【OpenCV】图片缩放算法[最近领域插值法]

本文详细介绍了OpenCV中图片缩放的最近邻插值法原理,并通过Python代码展示了如何使用这种方法将1020x2040的图片缩小到510x1020。学习者可以借此理解缩放过程中的坐标转换和浮点型处理技巧。

【OpenCV】图片缩放算法[最近领域插值法]

Notes

1. 原理:

img.jpg = 1020 ----> dst_img.jpg = 510
功能:图片缩放

案例:

dst_img(1, 2) <---- img(2, 4)
dst_img的x=1 来自 img的x=2 
原图像的 x = 目标图像的 x*(原图像的行/目标图像的行)  ---->  原图像的 2 = 目标图像的 1*(10/5)
原图像的 y = 目标图像的 y*(原图像的列/目标图像的列)  ---->  原图像的 4 = 目标图像的 2*(20/10)
如果 x 或 y = 浮点型, 则结果化为整型 ---->  原图像的 x = 114.514 = 目标图像的 x = 114


2. Python 源码实现:

import cv2
import numpy as np

img = cv2.imread("../01_Img/01.jpg", 1)
imgInfo = img.shape
img_height, img_width, img_mode = imgInfo
dst_height = int(img_height/2)
dst_width = int(img_width/2)
dstImage = np.zeros((dst_height, dst_width, 3), np.uint8)  # 0 ~ 255
for i in range(0, dst_height):  # 行信息
    for j in range(0, dst_width):  # 列信息
        iNew = int(i*(img_height*1.0/dst_height))
        jNew = int(j*(img_width*1.0/dst_width))
        dstImage[i, j] = img[iNew, jNew]

cv2.imshow("dstImage", dstImage)
cv2.waitKey(0)
### OpenCV 插值算法实现图像缩放 #### 使用 `cv2.resize` 进行图像缩放OpenCV 中,`cv2.resize()` 是一个强大的函数,能够根据不同的插值方法调整图像大小。此函数允许指定目标尺寸以及所使用的插值技术。 对于不同场景下的应用需求,可以选择合适的插值方式: - **最近邻插值 (Nearest Neighbor Interpolation)**:简单快速但效果粗糙,在放大图像时容易造成锯齿现象;缩小图像时则可能导致细节丢失严重[^2]。 - **双线性插值 (Bilinear Interpolation)**:通过考虑相邻四个像素点加权平均值得到新位置的颜色值,适用于一般情况下的图像缩放处理[^1]。 - **三次样条插值 (Cubic Interpolation)**:基于十六个临近像素计算得到更平滑的结果,尤其适合于高质量的图像放大操作。 - **兰索斯插值 (Lanczos Interpolation)**:提供更高的质量,特别是在保持边缘清晰度方面表现优异,不过计算成本较高。 下面给出一段 Python 代码示例,展示如何利用上述几种常见的插值方法来进行图像缩放: ```python import cv2 import numpy as np def image_resize(image_path, scale_percent, interpolation_method=cv2.INTER_LINEAR): img = cv2.imread(image_path) width = int(img.shape[1] * scale_percent / 100) height = int(img.shape[0] * scale_percent / 100) dim = (width, height) resized_img = cv2.resize(img, dim, interpolation=interpolation_method) return resized_img # 测试各种插值方法的效果 image_paths = ['example.jpg'] # 替换为实际路径 methods = [ ('Nearest', cv2.INTER_NEAREST), ('Linear', cv2.INTER_LINEAR), ('Cubic', cv2.INTER_CUBIC), ('Lanczos4', cv2.INTER_LANCZOS4)] for path in image_paths: original_image = cv2.imread(path) for name, method in methods: scaled_image = image_resize(path, 50, method) # 放大或缩小比例可自行设定 combined_images = np.hstack((original_image, scaled_image)) window_name = f'{name} Interpolation' cv2.imshow(window_name, combined_images) cv2.waitKey(0) cv2.destroyAllWindows() ``` 这段程序定义了一个名为 `image_resize` 的辅助函数,接受三个参数:输入图片文件名、百分比形式的目标尺度因子以及选用的具体插值策略,默认采用的是双线性插值法。随后遍历给定的一组测试用图,并依次尝试四种主要类型的插值方案,最后将原图与经过变换后的版本并列显示出来以便对比观察。
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

Panzer_Jack

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值